UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS

(Universidad del Perú, DECANA DE AMERICA)

ESCUELA DE POSGRADO DE LA FACULTAD DE INGENIERÍA

GEOLOGÍA, MINERA, METALÚRGICA Y GEOGRÁFICA

DOCTORADO EN CIENCIAS AMBIENTALES

ANÁLISIS DE LA TESIS DOCTORAL

“MEJORA DE MECANIZADO DE UNA PIEZA_METODOLOGÍA
PARA LA APLICACIÓN DEL DISEÑO DE EXPERIMENTOS
(DoE) EN LA INDUSTRIA”

CURSO:
DISEÑO DE EXPERIMENTOS
Docente: Dr. Francisco Wong

PRESENTADO POR:
YULY NONILA VILA GODOY

LIMA-2017
I Objetivo
Realizar el análisis de la tesis doctoral “Metodología para la aplicación del Diseño de Experimentos (DoE) en
la industria”, en base al marco teórico de Montgomery relacionado a diseño de experimentos.

II Justificación
Una de las razones fundamentales del presente trabajo es; conceptualizar con precisión el diseño de
experimentos y utilizar de manera pertinente en el desarrollo de las investigaciones o tesis doctoral, además,
nos permite seleccionar adecuadamente las estrategias de análisis de datos y las validaciones de nuestras
hipótesis en base a estadísticos apropiados.

III Análisis de la tesis.

3.1 Aspectos generales de la tesis.
* Título : “Metodología para la aplicación del Diseño de Experimentos (DoE) en la Industria”.
* Autor : Pablo Martín Tanco Rainusso.
* Asesor : Elisabeth Viles Díez
* Para optar : Grado de Doctor
* Institución : Universidad de Navarra
* Lugar : San Sebastián
* Pais : Vasco – España.
* Año : 2008

3.2 Análisis teórico.

En la parte introductoria el autor de la tesis muestra la importancia del uso de diseños de experimentos dentro
de la industria, particularmente en la parte productiva y servicio, y establece que:
“en la industria la experimentación suele utilizarse básicamente en dos áreas: el diseño y la mejora de procesos
y productos. La experimentación proporciona en estos casos la descripción aproximada de cómo se comportan
los procesos y productos, restringida a una región de interés. La mejora de los procesos es generalmente el
objetivo hasta que este alcanza el nivel deseado”(Tanco, 2008).
Mi apreciación respecto al planteamiento del autor es concordante, toda vez, que en las industrias se busca
optimizar procesos con fines de generar beneficios económicos e incrementar la calidad de los productos,
todo ello manipulando variables de la investigación y verificando el resultado en la variable respuesta o
independiente.
En el capítulo dos, el autor presenta las revisiones bibliográficas donde considera las definiciones teóricas de:
Diseño de experimentos(DoE), sus aplicaciones y las ventajas que ofrece, la metodología para el DoE, Enfoques
y comparaciones; los mismos que se ajustan a Montgomery, Taguchi y Box. Estas teorías lo relaciona con el
enfoque del sistema productivo como el Seis Sigma, además resalta las aplicaciones del DoE en las industrias,
tal como señala Bhote (2000) y Roy (2001) y esto es: Mejorar los procesos incrementando su eficiencia, su
confiabilidad o rendimiento. Asistir en la solución del problema, establecer relaciones causa efecto, identificar
los factores de mayor relevancia, entre otros.

3.3 Análisis metodológico.

Para Tanco (2008), el DoE es una herramienta eficaz para mejorar y optimizar los productos y procesos,
además se constituye en una metodología imprescindible, sobre todo los de Montgomery y la de Taguchi. Para
internalizarla metodología, Tanco (2008), utiliza un prototipo denominado Catapulta el mismo que se muestra
en la fig. 01.

Fig. 01; Catapulta(fuente: Tanco,2008)

En base a la figura 02, establece la metodología basada en Montgomery, esto es:

Fig. 02: Etapas para la realización del DoE (Tanco,2008)

1.- Problema:
¿En qué forma influyen cada una de sus partes de una catapulta en la distancia de lanzamiento?.
Objetivo:
Configurar una catapulta para que su alcance sea máxima.
2.- Elección de los factores y niveles.
Factores:
(A) Posición pelota.(primario)
(B) Posición tope. (primario)
(C) Extensión goma. (primario)
(D) Tipo de pelota. (primario)
(E) Angulo de tiro. (mantuvo constante)
(F) Tirador. (factor externo)…..molestos.
(G) Condiciones climáticas (factor externo)……molestos Niveles.
(+) Del factor A corresponde lanzar la pelota en la posición de la fig.
(-) corresponde a lanzar la pelota desde la posición inferior.
3.- Selección de la variable respuesta
Distancia ortogonal desde la base de la catapulta hasta el bote de la pelota
4.- Elección del diseño experimental
Diseño Factorial completo 24
Tabla 01: Distribución del experimento
D
A B C F Respuesta
Tipo
Nº Posición pelota Posicióntope Extensióngoma Tirador (cm)
pelota
1 - - - - 2 168
2 + - - - 1 182
3 - + - - 1 420
4 + + - - 2 180
5 - - + - 1 174
6 + - + - 2 168
7 - + + - 2 458
8 + + + - 1 174
9 - - - + 1 172
10 + - - + 2 178
11 - + - + 2 408
12 + + - + 1 183
13 - - + + 2 198
14 + - + + 1 173
15 - + + + 1 458
16 + + + + 2 192
Fuente (Tanco, 2008).
5.- Realización de los experimentos
Proceso donde se inicia con la prueba y la recopilación de datos, siguiendo el layout del diseño y los
experimentos se realizan en orden aleatorio.
6.- Análisis de datos.
Para esta etapa el autor utiliza software estadístico el MINITAB, iniciándose así con la herramienta Gráfico de
probabilidad Normal, seguida de la prueba ANOVA (Análisis de varianza) que permitió definir los factores
significativos.
7.- Conclusiones y recomendaciones
Respecto al ejemplo se establece que se pudo identificar que los factores A (posición de la pelota) y B (posición
del tope) son los más influyentes en el alcance de la catapulta, además, ambos interactúan entre sí, y que para
obtener el alcance máximo con el instrumento debe trabajarse en los niveles A(-) y B(+); los demás factores
no influyen en forma significativa.
En realidad, con este ejemplo Tanco (2008), trata de explicar la teoría, en particular la metodología de
Montgomery, el cual está estrictamente relacionado al marco establecido por Montgomery (2014). Sin
embargo, existe una pequeña observación cunado Tanco establece que la prueba inicia con la recolección de
información, cuando debe ser recolección de datos.

3.4 Análisis de resultados

Los resultados que presenta Tanco, respecto al ejemplo se muestra a Continuación

Fig. 03: Gráfico de probabilidad Normal

Tabla 02: ANOVA.

Fuente: Tanco (2008)

3.5 Análisis del capítulo III.

En el capítulo III, el autor resuelve casos prácticos utilizando la metodología del diseño de experimentos (DoE)
planteado por Montgomery, tales como:
Problema de estudio, método utilizado, resultados y aprendizaje (conclusiones).
Estos casos son:
Mecanizado de una pieza.- Se aplicó DoE para mejorar los costos y tiempos de mecanizado de una pieza
realizada en una máquina de control numérico (CNC).
Caracterizar fresadora.- Se aplicó DoE para estudiar cómo influyen los distintos factores en el proceso de
fresado.
Robustecer el funcionamiento funcional de pistones.- Se aplicó el DoE para estudiar la influencia de tres
factores sobre las pérdidas de aceite de unos pistones. En este se desea evaluar tanto la respuesta media
como su varianza.
Optimización de un acelerómetro.- Se aplicó DoE en la etapa de diseño de un acelerómetro, para hallar los
parámetros geométricos que cumplan los requerimientos funcionales teóricos requeridos.
De éstos cuatro casos, solo se desarrollará la primera “Mejora de mecanizado de una pieza”

IV Mejora de mecanizado de una pieza

El siguiente trabajo esta basado en un proyecto de fin de carrera realizado por Iñigo Arcelus Azkarreta,
presentado para la obtención del título de Ingeniero Industrial por la Escuela Politécnica Superior de
Mondragón. Nuestro rol en dicho proyecto fue de colaboración, a través de un acuerdo con el tutor del
proyecto Mikel Beitia. Se visitaron las instalaciones de LEMA y se participó tanto del diseño como del análisis
de los experimentos.
LEMA es una PYME (aproximadamente 70 empleados) dedicada al decoletaje de precisión, exportando el 50%
de su producción. La empresa fue fundada en 1930 y hoy en día tiene sus instalaciones en el Polígono Industrial
Pagatza ubicado en Elgeta (Gipuzkoa).

4.1 Problema de estudio

Este proyecto se planteó debido al gran consumo de las herramientas de corte, con la intención de mejorar
los procesos de fabricación y reducir los costes, y para ello se utiliza el DoE como herramienta de mejora.
Todo el proyecto se centró en una pieza concreta: piñones para la dirección de los coches. Se trató de una
experiencia nueva para la empresa y se enmarca en la dinámica de mejora continua que la empresa está
tratando de impulsar en los últimos años. Por ello se plantó como prueba piloto, con los siguientes objetivos:

Optimización de la vida de la herramienta mediante la herramienta de mejora “Diseño de experimentos”

(DOE), sin reducir la productividad inicial e incluso mejorándolo, y reduciendo los costes.
Adquirir conocimiento del proceso de optimización, impulsando así una dinámica de mejora continua.
Creación de un “know-how”, para utilización en futuras fabricaciones y para poder extrapolar la experiencia a
otras piezas de similares características.
Las piezas seleccionadas son piñones para la dirección de los coches y está casi continuamente en producción
(Figura 4). Esta pieza se hace en una máquina OKUMA de control numérico (Figura 5). Dicha máquina tiene
dos torretas A y B, y en cada una de ellas se montan las diferentes herramientas.

Figura 4 - Piñón (Pieza seleccionada)

En el proceso se utilizan ocho herramientas. Cada una de ellas realiza unas operaciones, que en su conjunto
completan el proceso de mecanización de las piezas. Primero la máquina alimenta la barra hasta un tope,
luego el centrador nº12 le puntea en el extremo y entra el contrapunto sujetando así la pieza desde los dos
extremos. Las herramientas nº1 y nº5 (trabajan en paralelo) son de desbaste. Las herramientas número nº2 y
nº3B (trabajan en paralelo) son de acabado. Las ranuras se realizan con las herramientas nº3A y nº7 en ese
orden y finalmente se corta la pieza con la herramienta nº 4.
Figura 5 - Maquina OKUMA

4.2 Método utilizado

La primera tarea realizada fue cuantificar la situación inicial. Para una fabricación de 531.000 piezas al año, se
estima sólo en costes de herramientas (plaquitas) 20.190 euros. Lo que equivale a un costo imputable a la
pieza de 0,038 euros. Es preciso aclarar que hay otros costos que no son considerados inicialmente por
sencillez (como el costo de oportunidad por tiempo de producción o el costo de set-up).

Se analiza la posibilidad de realizar una aplicación sencilla del DoE, en la que se consideran únicamente dos
factores: el avance y la velocidad de corte. La respuesta a medir es el número de piezas fabricadas buenas.

La estrategia elegida para la experimentación es la utilización secuenciada de factoriales completos. Debido a

que la cantidad de factores es pequeña se decide realizar factoriales completos replicados una vez (El diseño
se presenta de manera estándar en Tabla 3 para la herramienta nº2). En definitiva, se realizan 8 experimentos
para cada herramienta. Cada uno de los factores se experimentaran en dos niveles: Nivel bajo (-) y Nivel alto
(+). El rango en que podían ser modificados los factores, se estableció por dos criterios. El primero de ellos por
recomendaciones establecidas por los proveedores de las herramientas (plaquitas) y en segundo lugar para
que las condiciones experimentadas no impliquen un descenso en la productividad de piezas (condición
impuesta por la dirección de la empresa). Los niveles exactos para cada experimentación fueron elegidos por
criterio basados en la experiencia, dentro de los rangos establecidos.
 Nº Velocidad Piezas
Experimento Avance de Corte Fabricadas
1 0,28 3480 1230
2 0,28 4350 1200
3 0,35 3480 650
4 0,35 4350 200
5 0,28 3480 1700
6 0,28 4350 1250
7 0,35 3480 700
8 0,35 4350 150
Tabla 3 – Layout Experimentos. 1era experimentación, herramienta nº2.

A continuación, se presenta como ejemplo los experimentos (Tabla 3) y el análisis de ellos realizado para la
herramienta 2. Lo primero que se realiza es un “Diagrama de Pareto” (Figura 6) para visualizar la magnitud de
los efectos del avance (Factor B) y la velocidad de corte (Factor A).

Figura 6 - Diagrama de Pareto. 1era experimentación, herramienta Nº2

Un análisis más formal, a través de un ANOVA (Tabla 4), nos muestra que tanto el efecto de la velocidad de
corte (Factor A) como del Avance (Factor B) son significativo y ambos con signo negativo. Debido a los
resultados obtenidos se decide realizar una nueva serie de experimentos, modificando los valores de los
factores a valores más convenientes (en ambos casos menores).

Term Effect Coef SE Coef T P

Constant 885,0 59,74 14,81 0,000

RPM -370,0 -185,0 59,74 -3,10 0,036
AV -920,0 -460,0 59,74 -7,70 0,002
RPM*AV -13,0 -65,0 59,74 -1,09 0,338
Tabla 4 – ANOVA para 1era Experimentación, herramienta Nº2

Se realiza un segundo factorial 22 con una réplica. Los resultados de ésta segunda experimentación son
alentadores, ya que se obtienen en los 8 experimentos respuestas superiores a las 1100 unidades (Ver Figura
7).

Figura 7 - Secuencia de experimentos

De esta nueva experimentación, el único efecto significativo es el avance (Factor B), por lo que se realizan
nuevos experimentos modificando únicamente el avance y manteniendo las RPM en su valor más
conveniente. Finalmente, se consigue una producción de casi 2700 unidades, con un avance de 0,19 y 3480
rpm.
Todas las herramientas tienen su cambio preventivo, es decir, cuando cada una de las puntas de
cada herramienta llegue a la cantidad indicada en el preventivo, los operarios paran la máquina y se
disponen a cambiar de punta de corte. Cuando se utilizan todas las puntas de la plaquita, se pone
una plaquita nueva. Inicialmente el preventivo para la herramienta 2, era de 1200 unidades.
Una vez analizadas la cantidad de piezas que puede hacer cada una de las herramientas con las
condiciones nuevas, se ponen los nuevos preventivos pero reduciendo la vida máxima de las mismas
para asegurar que las plaquitas duren el preventivo entero sin romperse o sin realizar ni una sola
pieza mala.
Además no sólo se analiza la vida de cada una de las herramientas, porque es imprescindible
también que los cambios preventivos sean múltiplos entre sí para minimizar las paradas de máquina.
Si los preventivos no son múltiplos, las paradas que se realizan son mucho más y eso supone
aumentar las incidencias y reducir la producción y en consecuencia reducir la eficiencia de la
máquina. Para esta herramienta, en concreto, se eligió como nuevo preventivo 2400 unidades, lo
cual significa un incremento del 100% sobre el inicial.

4.3 Resultados obtenidos

El proyecto cumplió con los resultados y expectativas creadas. Por un lado se consiguió optimizar la
vida de la herramienta aplicando el DoE. Además se abrió una nueva vía de mejora muy importante
para la empresa, debido al gran potencial de mejora que se detecta en este ámbito.
El proyecto consiguió aumentar la vida de la herramienta, con un aumento de la productividad,
reduciendo así los costes. Se consigue un ahorro total de 22718 €/año, obtenidos a través de tres
tipos de ahorro:
Ahorro en herramientas (plaquitas) de 9045 €/año: Debido a que se redujeron la mayoría de los
preventivos, con los nuevos preventivos se utilizan 684 plaquitas menos (40% reducción.
Ahorro en coste de transformación de 11682€/año: Con las nuevas condiciones establecidas, se
consigue una reducción de 490 horas para hacer la misma candida de piezas (5% reducción).
Ahorro por realizar menos paradas de 1991 €/año: El aumento de los preventivos, hace que se
reduzcan la cantidad de paradas anuales, que se estima cada una de 15 minutos (24% reducción).
4.4 Aprendizaje

El siguiente caso práctico, nos muestra como es posible obtener resultados a pesar de la simplicidad
de los diseños utilizados y la cantidad de factores involucrados en la experimentación. No importa
el tamaño de la empresa, ni el tipo de proceso, ya que en un proceso industrial es siempre posible
obtener mejoras.

La importancia de la secuencialildad de los experimentos, queda de manifiesto en este caso. Los

rangos recomendados por los fabricantes, eran excesivamente amplios, lo cuál requería de varias
experimentaciones para hallar las condiciones óptimas de funcionamiento. Por ello, la importancia
que posee la actividad de establecer los rangos y niveles para la experimentación.

V Referencia bibliográfica.

 Tanco, P. M. (2008). Metodología para la aplicación del Diseño de Experimentos (DoE) en la

industria. San Sebastian-España: Universidad de Navarra.
 Montgomery, D.C. (2014). Diseño y análisis de experimentos.Segundaedición. México:
Limusa Wiley.
 Bhote, K.R. and Bhote, A.K. (2000). Word Class Quality. Using Design deExperiments to make
it happen. 2nd Edition. New York: Amacom.
 Roy, R.K. (2001). Design of Experiments using the Taguchi approach: 16steps to product and
process improvement: Wiley.